第二章：仿真环境搭建——Python环境配置与必备库安装

说实话，很多初学者一上来就急着写代码，结果环境没配好，折腾半天连个波形都看不到。我当年刚入行时也犯过这毛病——记得有一次在Windows上装scipy，折腾了整整一个下午，最后发现是Python版本不对。嗯，这节课咱们就把这事彻底搞定。

2.1 Python环境配置——选对版本，少走弯路

我个人习惯用Python 3.8到3.10之间的版本。为什么？因为太新的版本（比如3.12）有些第三方库还没完全适配，太老的版本又缺一些新特性。你想想看，做仿真最怕什么？最怕库装不上。

下载地址我就不贴了，直接去python.org官网。我建议用官方安装包，别用微软商店的版本——后者有时候路径会出问题。

2.2 虚拟环境——每个项目一个"小房间"

做仿真项目多了你就会发现，不同项目依赖的库版本可能不一样。比如项目A需要numpy 1.21，项目B需要numpy 1.24。如果全装在一个环境里，迟早会打架。

我的做法是：每个仿真项目单独建一个虚拟环境。

# 创建虚拟环境（在项目目录下执行）
python -m venv sensor_sim_env

# 激活环境（Windows）
sensor_sim_env\Scripts\activate

# 激活环境（Mac/Linux）
source sensor_sim_env/bin/activate

看到命令行前面多了个 (sensor_sim_env) 就说明激活成功了。这时候你装的所有库都只在这个环境里生效，不会污染全局。

2.3 三大必备库——numpy、matplotlib、scipy

这三个库可以说是仿真领域的"三驾马车"。缺一个，你的传感器数据就玩不转。

2.3.1 numpy——数组运算的基石

说白了，numpy就是Python里的"超级计算器"。传感器采集到的数据，不管是温度、压力还是加速度，最终都要转成numpy数组来处理。

# 安装numpy
pip install numpy

# 验证安装
python -c "import numpy as np; print(np.__version__)"

我在项目中遇到过最坑的事：用Python原生的list做矩阵运算，结果跑了10分钟还没出结果。换成numpy后，0.1秒搞定。为什么？因为numpy底层是C语言写的，而且用了SIMD指令集加速。

2.3.2 matplotlib——把数据变成"看得见"的图

做传感器仿真，光看数字没意思。你得把数据画出来，才能直观地看到波形、趋势、异常点。

# 安装matplotlib
pip install matplotlib

# 快速测试
python -c "import matplotlib.pyplot as plt; print('matplotlib ready')"

matplotlib的默认字体对中文支持不太好。我建议装完立刻配一下中文字体：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 或者 ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False    # 解决负号显示问题

2.3.3 scipy——科学计算的"瑞士军刀"

scipy在numpy的基础上，提供了信号处理、滤波、插值、优化等功能。做传感器仿真时，你经常需要对原始数据进行滤波——比如用低通滤波器去掉高频噪声。

# 安装scipy
pip install scipy

# 验证
python -c "import scipy; print(scipy.__version__)"

scipy的安装有时候会出问题，尤其是Windows上。我曾经遇到过编译错误，后来发现是缺了Visual C++ Build Tools。解决办法很简单：去微软官网下载安装"Microsoft C++ Build Tools"。

2.4 一键安装——用requirements.txt省心

每次重装环境都要一个一个敲 pip install，太麻烦了。我习惯把所有依赖写到一个文件里：

# requirements.txt
numpy==1.24.3
matplotlib==3.7.1
scipy==1.10.1

然后一行命令全装完：

pip install -r requirements.txt

2.5 知识体系总览

下面这张图是我自己画的，把本章的知识结构串起来了。你可以把它当成一张"地图"，以后遇到环境问题就知道该查哪一块。

2.6 验证环境——跑一个"Hello World"

装完别急着走，跑个简单脚本验证一下：

import numpy as np
import matplotlib.pyplot as plt
from scipy import signal

# 生成一个模拟的传感器信号（正弦波 + 噪声）
t = np.linspace(0, 1, 500)
clean = np.sin(2 * np.pi * 5 * t)
noise = 0.3 * np.random.randn(500)
signal_data = clean + noise

# 用scipy做低通滤波
b, a = signal.butter(4, 0.1, 'low')
filtered = signal.filtfilt(b, a, signal_data)

# 画图
plt.figure(figsize=(10, 4))
plt.plot(t, signal_data, alpha=0.5, label='原始信号（含噪声）')
plt.plot(t, filtered, 'r-', linewidth=2, label='滤波后信号')
plt.legend()
plt.xlabel('时间 (s)')
plt.ylabel('幅值')
plt.title('传感器信号仿真 - 环境验证')
plt.grid(True)
plt.show()

如果能看到一张带红蓝曲线的图，恭喜你——环境配好了！

环境搭好了，后面咱们就可以真正开始写传感器仿真脚本了。嗯，下一节咱们聊聊怎么用numpy生成各种传感器数据——温度、压力、加速度，一个都不少。